E. Erekaykin, D. Armeev, Ya. Frolova Novosibirsk State Technical University
Novosibirsk, Russian Federation armeev@corp.nstu.ru, erekaikin96@mail.ru Abstract
Background: Determining the fault locations (DFL) in distribution networks is still an actual task to this day. At the moment, none of the existing methods or techniques of DFL is universal and cannot uniquely identify the exact place of damage of any kind in a branched distribution network. At the same time, within the framework of the national technological initiative, the process of digitalization of energy is taking place. The creation of digital substations, intelligent networks and smart grid opens a wide range of possibilities for the implementation of new algorithms and methods based on the processing of a large amount of information obtained from a variety of sensors and measuring systems. For these reasons, it is advisable to develop new methods of DFL that do not require specialized equipment and rely only on the information of installed instrumentation in the network nodes.
Materials and Methods: In the study, mathematical modeling and the theory of neural networks were applied. The modeling tool is MatLab Simulink and Neural Network Toolbox.
Results: The method of determining the fault locations has already been verified for overhead lines in 10 kV distribution networks. In this paper, approbation is given for cable lines.
Conclusions: The developed DFL technique can be used to accurately locate a fault in a 10 kV cable line. The implementation of this methodology contributes to a significant reduction in time and costs for DFL, as well as losses from interruption of power supply to consumers in the process of DFL.
Key words: the location of damage; national technology initiative; intelligent distribution networks; smart grid; neural networks.
I. ВВЕДЕНИЕ
Распределительные электрические сети являются самыми широко распространенными в электроэнергетической системе. Помимо того, что больше всего повреждений приходится именно на данный тип сетей, наиболее частые из повреждений – однофазные замыкания на землю (ОЗЗ), которые составляют около 80 % от общего числа нарушений нормального режима работы сети [1]. В определенных случаях распределительная сеть может работать довольно продолжительное время при ОЗЗ, однако его необходимо своевременно обнаруживать и устранять, чтобы не допу- стить дальнейшего развития аварии [2].
Существует большое количество известных методов определения мест повреждений (ОМП), которые в общем случае подразделяются на дистанционные и топографи- ческие. И тот, и другой типы требуют либо установленно- го дополнительного оборудования в электрической сети и на подстанциях, либо применения специализированных устройств и процедур для поиска повреждений уже после их возникновения. Использование перечисленных меро- приятий приводит к существенным затратам средств, вре- мени, а также создает необходимость привлечения квали- фицированных специалистов [3].
В настоящее время активно развиваются и приобретают популярность телекоммуникационные технологии, бурно проходит процесс цифровизации энергетики, в рамках которого создаются цифровые подстанции. На современных трансформаторных подстанциях для разного рода нужд устанавливаются комплекты контрольно-измерительных приборов (КИП), информация с которых могла бы есте- ственным образом быть использована для ОМП.
В предшествующей статье [4] представлена разработан- ная авторами методика ОМП, которая не требует специали- зированного оборудования и опирается только на информа- цию с установленных контрольно-измерительных приборов в узлах сети. Методика была проверена для определения мест однофазных замыканий в распределительной электри- ческой сети воздушного исполнения 10 кВ. В результате однозначно определяется участок разветвленной сети и с точностью до одной опоры (≈ 50 м) – дальность повреждения.
В данной статье представлена апробация предложенной в [4] методики для КЛ 10 кВ. Кабельное исполнение линии электропередачи (ЛЭП) имеет определенные особенности в сравнении с воздушным. При одинаковом сечении про- водов активное сопротивление ЛЭП не отличается для обоих вариантов исполнения, но индуктивность и ёмкость сущест- венно разнятся. Увеличение ёмкости и снижение индуктив- ности связано, в первую очередь, с конструкцией кабеля, близким расположением фаз друг к другу и к «земле», а также с применением специальных изоляционных мате- риалов.
II. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ
В качестве объекта исследования выступает участок распределительной сети (рис. 1), состоящий из главной понизительной подстанции (ГПП) и нескольких транс- форматорных подстанций (ТП), на которых установлены комплекты КИП.
Модель создана в ПВК MatLab Simulink (рис. 2) [5].
Рабочей гипотезой является то, что каждому замыканию соответствует своя точка в пространстве состояний режим- ных параметров сети. Так, в рамках данной методики для любого места ОЗЗ подтверждено существование своего уникального набора значений напряжений в узлах сети, полученных с комплектов КИП.
Так же, как и в случае с ВЛ, для данной сети по модели были проведены серии опытов, в результате которых получены значения напряжений в ГПП и ТП1-3 при металлических ОЗЗ в точках сети с шагом в 100 м. На рис. 3 представлена графическая интерпретация классифициру- ющих функций – зависимости измеренных напряжений поврежденной фазы на ГПП и ТП1-3 от дальности ОЗЗ [6].
Цветное изображение ответвлений на графиках соответст- вует цветам ветвей до определенных узлов сети ТП1-3, как на принципиальной схеме (рис. 1). Большое значение ёмкости кабельной распределительной сети повлияло на увеличение полного тока замыкания, и, соответственно, было получено более выраженное распределение напря- жения в поврежденной фазе по сравнению со случаем за- мыкания в воздушной распределительной сети.
III. ПРИМЕНЕНИЕ МЕТОДИКИ ОМП
Для знакомства с применением методики ОМП предлага- ется рассмотреть непосредственно пример определения места повреждения с её использованием.
Рис. 1 – Принципиальная схема участка распределительной электрической сети
Рис. 2 – Математическая модель распределительной сети в ПВК MatLab Simulink
В основе методики лежит применение теории нейронных сетей (НС), которая наилучшим образом и в автомати- ческом режиме решают задачу классификации данных.
Искусственные нейронные сети происходят из разных областей и имеют широкий спектр приложений, в част- ности в моделировании, обработке данных и управлении.
Все это связано с уникальным и важным свойством – спо- собностью тренироваться, учиться и переобучаться.
Вычислительной базой для исследования выбран пакет расширения ПВК MatLab – Neural Network Toolbox, поз- воляющий создать полноценную модель нейронной сети (рис. 4). В работе использована структура простой много- слойной нейронной сети прямого распространения [7].
В качестве обучающей выборки выступают классифи- цирующие функции, изображенные на рис. 3.
Для формирования контрольной выборки случайным образом взяты несколько точек сети, каждая из которых отличается от точек обучающей выборки [7]. Из них ото- брана часть показательных – К1 (6,645 км), К2 (8,341 км), К3 (12,123 км) и К4 (12,123 км), отмеченных на схеме, представленной на рис. 5.
Расстояние до точек К3 и К4 выбрано одинаковым не случайно. Это сделано для того, чтобы показать верное определение поврежденной ветви при использовании разработанной методики.
Рис. 4 – Функциональная схема модели нейронной сети
При металлических ОЗЗ в точках контрольной выборки распределение напряжений в поврежденной фазе, которое получено с установленных в узлах сети КИП, КИП1, КИП2 и КИП3, приведено в табл. I.
ТаблицаI–ЗНАЧЕНИЯ НАПРЯЖЕНИЙ ДЛЯ РАЗЛИЧНЫХ ТОЧЕК КОНТРОЛЬНОЙ ВЫБОРКИ
ГПП ТП1 ТП2 ТП3
К1, 6.645 км 434,7 85,03 225,64 202,38 К2, 8.341 км 490,33 36,61 164,37 141,09 К3, 12.123 км 602,93 88,59 44,13 25,36 К4, 12.123 км 589,89 77,45 61,03 33,97
Таким образом, на вход нейросети подаются четыре значения напряжения в узлах сети, соответствующие каждой точке контрольной выборки (построчно), а в качестве выходных данных выступают номер ветви и удаленность от ГПП в км.
В результате работы нейронной сети, заключающейся в обработке входных данных из табл. I, получены номера ветвей и расстояние от ГПП до точек К1-К4, которые при- ведены в табл. II.
ТаблицаII–РЕЗУЛЬТАТ РАБОТЫ НЕЙРОННОЙ СЕТИ
Нейросеть Факт Отклонение
К1 N ветви 2,05 2 0,05
Расстояние, км 6,63 6,645 0,015
К2 N ветви 2,99 3 0,01
Расстояние, км 8,355 8,341 0,014
К3 N ветви 3,98 4 0,02
Расстояние, км 12,112 12,123 0,011
К4 N ветви 5,02 5 0,02
Расстояние, км 12,128 12,123 0,005 Рис. 3 – Распределение напряжения в поврежденной фазе при однофазном замыкании на землю в номинальном нагрузочном режиме
работы электрической сети
Анализируя результаты расчетов нейронной сети, следует обратить внимание на то, что для всех точек верно опре- делены номера ветвей N (с незначительным отклонением), а величина расстояния до места замыкания отличается от фактического значения не более чем на 15 метров.
III. РЕЗУЛЬТАТЫ
В статье представлена апробация разработанной мето- дики ОМП [4] для определения мест повреждения в кабель- ных линиях класса напряжения 10 кВ. Таким образом, по результатам работы можно утверждать о результатив- ности методики и возможности применения к рассматри- ваемому типу линий электропередачи.
Благоприятной отличительной особенностью КЛ от ВЛ, влияющей на результаты исследования и повышающей точность процесса ОМП, оказалось большее значение ёмкости сети, что влияет на увеличение полного тока замыкания и, соответственно, более выраженное измене- ние напряжения в поврежденной фазе в зависимости от расстояния до места повреждения.
Кроме того, основываясь на предыдущей работе и полученных результатах, был увеличен объём обучаю- щей выборки путём увеличения дискретности проведения опытов и замеров: с одной до десяти точек на километр.
Это позволило повысить точность определения расстоя- ния от пункта питания до места повреждения в пять раз.
Таким образом, разработанная методика может быть использована в разветвленных интеллектуальных распре- делительных сетях воздушного и кабельного исполнения с изолированной нейтралью. На современных цифровых
трансформаторных подстанциях, присоединенных к таким сетям, установлены комплекты контрольно-измерительных приборов, датчиков, других средств измерения. Это обо- рудование позволяет дистанционно получать значения всех режимных параметров, а также обрабатывать получен- ные данные в различных режимах работы сети в реальном времени.
Практическая реализация данной методики определения мест повреждения позволит значительно уменьшить время поиска мест нарушений целостности электрической сети, сократить издержки на ОМП, а также свести к минимуму потери от перерыва электропитания потребителей.
Список литературы
[1] Качесов В.Е. Однофазные повреждения в электрических сетях среднего и высокого классов напряжения (теория, методы исследо- вания и меры предотвращения повреждений): автореф. дис. … д-ра техн. наук. Новосибирск, 2008. 40 с.
[2] Правила устройства электроустановок. М.: Энергосервис, 2006. 285 с.
[3] ООО «Энерготехнологическая компания «Ангстрем»: URL: http://
angstremip.ru/ (дата обращения: 23.05.2017).
[4] Армеев Д.В. и др. Разработка метода определения мест повреждений ВЛ 10 кВ // Электроэнергетика глазами молодежи:
матер. VIII Междунар. науч.-техн. конф: в 3 т. Самара, 2017. Т 2.
С. 353–356.
[5] Power System Blockset: User’s Guide for use with Simulink. The MathWorks, Inc. 488 p.
[6] Дж.-О. Ким, и др. Факторный, дискриминантный и кластерный анализ / Пер. с англ. А.М. Хотинского, С.Б. Королева; под ред.
И.С. Енюкова. М.: Финансы и статистика, 1989. 215 с.
[7] Хайкин С. Нейронные сети: полный курс / Пер. с англ. 2-е изд., испр. М.: Издательский дом «Вильямс», 2006. 1104 с.
© IX Международная научно-техническая конференция «Электроэнергетика глазами молодежи – 2018»
Рис. 5 – Принципиальная схема участка распределительной электрической сети с указанием точек контрольной выборки и отдельных ветвей